Вже доступно! Дослідження Telegram за 2025 — головні інсайти року 
Data science/ML/AI
Відкрити в Telegram
Data science and machine learning hub Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources. For beginners, data scientists and ML engineers 👉 https://rebrand.ly/bigdatachannels DMCA: @disclosure_bds Contact: @mldatascientist
Показати більше📈 Аналітичний огляд Telegram-каналу Data science/ML/AI
Канал Data science/ML/AI (@datascience_bds) у мовному сегменті Англійська є активним учасником. На даний момент спільнота об'єднує 13 690 підписників, посідаючи 9 384 місце в категорії Технології та додатки та 31 551 місце у регіоні Індія.
📊 Показники аудиторії та динаміка
З моменту свого створення невідомо, проект продемонстрував стрімке зростання, зібравши аудиторію у 13 690 підписників.
За останніми даними від 11 червня, 2026, канал демонструє стабільну активність. Хоча за останні 30 днів спостерігається зміна кількості учасників на 150, а за останні 24 години на 11, загальне охоплення залишається високим.
- Статус верифікації: Не верифікований
- Рівень залученості (ER): Середній показник залученості аудиторії становить 8.13%. Протягом перших 24 годин після публікації контент зазвичай збирає 2.20% реакцій від загальної кількості підписників.
- Охоплення публікацій: В середньому кожен допис отримує 1 112 переглядів. Протягом першої доби публікація в середньому набирає 301 переглядів.
- Реакції та взаємодія: Аудиторія активно підтримує контент: середня кількість реакцій на один пост – 5.
- Тематичні інтереси: Контент зосереджений навколо ключових тем, таких як panda, learning, row, api, ethic.
📝 Опис та контентна політика
Автор описує ресурс як майданчик для висловлення суб'єктивної думки:
“Data science and machine learning hub
Python, SQL, stats, ML, deep learning, projects, PDFs, roadmaps and AI resources.
For beginners, data scientists and ML engineers
👉 https://rebrand.ly/bigdatachannels
DMCA: @disclosure_bds
Contact: @mldatasci...”
Завдяки високій частоті оновлень (останні дані отримано 12 червня, 2026), канал підтримує актуальність та високий рівень охоплення публікацій. Аналітика показує, що аудиторія активно взаємодіє з контентом, що робить його важливою точкою впливу в категорії Технології та додатки.
13 690
Підписники
+1124 години
+227 днів
+15030 день
Архів дописів
13 690
Graph ML in Industry Workshop
When I wrote top applications of GNNs at the beginning of this year, I had a feeling that graph ML community is mature enough to start being used in industrial companies. Nine months ahead we decided to gather researchers, engineers, and industry professionals to talk about applications of graphs in the companies. Please, join us on 23rd Sept, 17-00 Paris time (free, online, ~3 hours) by registering at the link.
13 690
CS109 Data Science
By Harvard University
⌛️ 12 weeks
✅ Video lectures
✅ Slides
✅ Lab exercises
🔗 http://cs109.github.io/2015/pages/videos.html
Note: i have issues with first video link but others are fine.
#datascience #pyton #harvard
➖➖➖➖➖➖➖➖➖➖
👉Join @bigdataspecialist for more👈
13 690
InsightFace: 2D and 3D Face Analysis Project
Good implementation for face recognition, and landmark detection
ArcFace, CosFace, SubCenter-ArcFace, VPL, Partial-FC
https://github.com/deepinsight/insightface
13 690
Neural Networks and Deep Learning, a free online book.
The book will teach you about:
* Neural networks, a beautiful biologically-inspired programming paradigm which enables a computer to learn from observational data
* Deep learning, a powerful set of techniques for learning in neural networks
http://neuralnetworksanddeeplearning.com/index.html
13 690
Graph Neural Networks: Algorithms and Applications
A great presentation by Jian Tang about GNN basics, training many layers, self-supervised learning and statistical relational learning.
13 690
30 Days of ML, free Kaggle challenge
Machine learning beginner → Kaggle competitor in 30 days.
Non-coders welcome.
Starts August 2nd!
FAQ
I already have some familiarity with Python and/or Machine Learning. Can I still join the program?
Anyone can join! You’ll get more out of the program if you’re not a very advanced Python user, or if you are relatively new to machine learning.
What is the time commitment for the program?
Assignments should take about 1 hour/day to complete.
How much is the program?
Nothing! All you need is a Kaggle account.
Do I need to bring my own GPU or deep learning workstation?
No, Kaggle provides free hosted notebooks with access to GPUs and TPUs to complete your data science projects.
🔗 https://www.kaggle.com/thirty-days-of-ml
Sign Up for the challenge.
#kaggle #python #machinelearning #ml
➖➖➖➖➖➖➖➖➖➖
Join @bigdataspecialist for more
13 690
Introduction to Machine Learning Problem Framing
By Google
Estimated Course Length: 1 hour
https://developers.google.com/machine-learning/problem-framing
#machinelearning #ml
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to
13 690
AI Expert Roadmap
Below you find a set of charts demonstrating the paths that you can take and the technologies that you would want to adopt in order to become a data scientist, machine learning or an AI expert.
What is actually pretty cool is that you can click in any part of roadmap and learn more about mentioned concept!
https://i.am.ai/roadmap/
#ai #artificialintellignece #ml #machinelearning #datascience #roadmap
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to @bigdataspecialist group
13 690
Artificial Intelligence course by MIT
Professor: Patrick Winston, Ford Professor of Artificial Intelligence and Computer Science.
🎬 23 lessons
⏰ 17 hours
This course includes interactive demonstrations which are intended to stimulate interest and to help students gain intuition about how artificial intelligence methods work under a variety of circumstances.
🔗 Link to couse
🔗 Link to video lessons 🎬
#ai #artificialintellignece #mit
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to @bigdataspecialist group
13 690
CS231n: Convolutional Neural Networks for Visual Recognition
Stanford - Spring 2021
These notes accompany the Stanford CS class CS231n: Convolutional Neural Networks for Visual Recognition. You can also find google colab notebooks and all assignments here. For questions/concerns/bug reports, you can submit a pull request directly to their git repo.
🔗 https://cs231n.github.io/
#stanford #cnn #visual recognition
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to @bigdataspecialist group
13 690
ACL Year-ROUND Mentorship
Incredible opportunity from NLP community of the Association for Computational Linguistics. The students all over the world can apply and get the mentorship in their research career during the whole year!
You can discuss anything — starting from the choice of the career to the questions how to manage your time and life.
More details here:
https://mentorship.aclweb.org/Home.html
13 690
Undergraduate Machine Learning (Nando de Freitas/University of British Columbia)
Author: prof Nando de Freitas
🎬 33 lessons
⏰ 21 hours
An undergraduate machine learning course. Lectures are filmed and put on YouTube with the slides posted on the course website. The course assignments are posted as well (no solutions, though). De Freitas is now a full-time professor at the University of Oxford and receives praise for his teaching abilities in various forums. Graduate version available.
https://www.cs.ubc.ca/~nando/340-2012/index.php
#machinelearning #datascience #statistics
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to @bigdataspecialist group
13 690
Practical Deep Learning for Coders
Deep Learning for Coders with fastai and PyTorch: AI Applications Without a PhD - the book and the course
🎬 8 lessons
⏰ 16 hours
https://course.fast.ai/
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to @bigdataspecialist group
13 690
The Only Probability Cheatsheet You'll Ever Need
https://static1.squarespace.com/static/54bf3241e4b0f0d81bf7ff36/t/55e9494fe4b011aed10e48e5/1441352015658/probability_cheatsheet.pdf
source: https://github.com/wzchen/probability_cheatsheet
➖➖➖➖➖➖➖➖➖➖➖➖➖➖
Join @datascience_bds for more cool data science materials.
*This channel belongs to @bigdataspecialist group
